复盘预测偏差与补货结果

这个场景能帮你做什么

补货建议执行以后，还要知道预测偏在哪、人工调整有没有改善、缺货与积压是否减少。WorkBuddy 可以对齐已有预测、实际销售、到货与库存，形成可复算的偏差表和下周期待改事项。

本任务分析企业已有预测及经营结果，不要求 WorkBuddy 原生建立预测模型，也不以预测数字更接近销量就宣称经营收益已经实现。

开始前需要准备什么

准备商品、仓库或站点、预测生成日期、预测覆盖周、原预测量、人工调整量及原因、实际销量、缺货天数、补货订单和实际到货、期末可售与库龄。保留旧方案或原预测，作为同口径基线。不同周期分开比较，短期补货预测不能与年度规划混在一个准确率里。

最小一行是“商品×地点×被预测期间×预测版本”。要区分两周前预测本周的版本与上周预测本周的版本；事后修改过的表不能代替当时的真实预测。

具体怎么做

第一步：锁定预测版本与实绩关系

让 WorkBuddy 列每个预测版本的生成时间、覆盖期间和预测提前期，再按相同商品地点期间连接实际结果。缺版本或实际销量范围不同，先列未匹配清单，不计算总准确率。

第二步：先看偏差，再看缺货限制

约定正负方向：本教程示例采用“误差＝预测－实际销量”，正数为高估，负数为低估；绝对误差取差额绝对值。跨商品可用“绝对误差合计÷实际销量合计”作加权绝对百分比误差，但它受销量结构影响，实际合计为零时不算该比例。缺货期间的实际销量可能低于真实需求，应另标受限，不能将其直接当需求真值。

以下为教学模拟，两个商品均有完整销售机会，同一周、同一预测提前期：

商品	原预测	人工调整后预测	实际销量	原绝对误差	调整后绝对误差
A	100	110	120	20	10
B	50	40	30	20	10
合计	150	150	150	40	20

原预测整体高低估相抵，净误差为 0，却仍有 40 件绝对误差；不能由“合计预测＝实际”判定准确。按本例口径，原加权绝对百分比误差为 40÷150＝26.67%，调整后为 20÷150＝13.33%。这说明本批样本的误差改善，不足以说明未来持续有效。

第三步：把预测与补货、到货结果连起来

接上每个商品的采购与到货日期、缺货及期末库存。若 A 预测调整正确但到货晚，缺货问题应先核供应执行；若 B 预测高估且高库龄增加，应核促销变化、人工调整依据及下一轮需求。分商品、品类、地点和价值看，不用整体平均数掩盖重点商品恶化。

第四步：形成下一周期的修正与回看

逐项标“数据问题、需求假设、人工调整、供给执行、尚待验证”。写清负责人、要补的记录、拟改参数或业务动作、下一次回看周期。原方案、人工调整及结果一起保留，业务负责人决定采用、恢复或缩小范围。

可以直接交给 WorkBuddy 的完整要求

请复盘已有预测与补货结果，不创建或替换预测模型。
先核商品地点、生成日期、覆盖期间、预测提前期和版本，按相同条件连接原预测、人工调整、实际销量、缺货、补货与到货库存；未匹配项单列。
采用误差＝预测－实际销量，列正负与绝对误差；汇总比例用绝对误差合计/实际销量合计，零分母不计算，缺货受限样本单列。原预测与调整后同口径比较。
输出商品偏差、分组表现、到货与缺货/积压问题、调整原因及下周期行动。不要由误差下降直接推算利润，不自动改预测、采购或安全量。

完成后会得到什么

预测版本与实绩对照、分商品偏差表、经营结果表及下一周期行动清单。上例应明确“人工调整后绝对误差少 20 件”，同时列仍需多个周期验证、库存与到货资料待核，不能写成“库存成本降低一半”。

结果应该怎么检查

抽查原预测是否真的在销售发生前形成；是否使用同一提前期；是否有正负相抵；零销量和缺货样本怎样处理；重点高价值商品是否恶化。若只有期末余额，不能据此推断整周未缺货。

遇到这些情况怎么处理

只有最新覆盖版，先恢复可追溯历史版本再比较；缺货样本保留销量误差但标受限，不称需求误差；商品换码或组合变化，先确认可比关系。若工具以净误差 0 判好，可继续要求：“按商品先取绝对值再汇总，并分别列高估与低估，重写结论。”

哪些由工具处理，哪些必须人工决定

工具对齐、计算和归纳线索；运营核活动需求，供应链核到货，负责人确认预测修改与采购。利润收益和损失换算由业务与财务用自己的数据确认。